【宽客学院】策略止盈止损

宽客学院
标签: #<Tag:0x00007f5c008c13c0>

(iQuant) #1
作者:bigquant
阅读时间:8分钟
本文由BigQuant宽客学院推出,难度标签:☆☆

导语:止盈止损是交易中比较常用的技巧,想要用好也比较困难。本文对其进行简单介绍,帮助大家可以在策略里面灵活添加止盈止损。


止损又叫 “割肉”, 指的是当一个投资组合亏损达到一定比例及时清仓出局, 以免形成更大的亏损的行为。 止盈是指当盈利大于一定数额, 及时获利了结。

止盈止损为什么重要呢?

  1. 侥幸的心理作祟,某些投资者尽管也知道趋势上已经到止盈止损位,但由于过于犹豫,总是想再涨一点或再跌一点就止盈止损出局,导致自己错过最佳止盈止损的大好时机;

  2. 价格频繁的波动会让投资者犹豫不决,经常性错误的止损止盈会给投资者留下挥之不去的记忆,从而动摇投资者下次止损止盈的决心;

  3. 过于贪婪,有些投资者在趋势已经到达止盈位置了之后总抱着还会有盈利的空间而不愿意刹车止盈。

在这里提供了几个简单的止盈止损方案的模板, 在写这些代码的时候考虑了用户的体验,用户只需将相应的代码复制粘贴到自己的策略中,并设置相关参数就能正常使用。

我们先以固定点数止盈举例,请参看下面的策略:

克隆策略
In [1]:
# 策略参数
instruments = ['600793.SHA','000001.SZA']  
start_date = '2014-05-28'   
end_date = '2017-02-08'
In [2]:
# 策略主体
def initialize(context):
    context.short_period = 5
    context.long_period = 50
    
def handle_data(context, data):
    date = data.current_dt.strftime('%Y-%m-%d')   
    
    #----------------------------止赢模块START------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚3元就止赢
            if stock_market_price - stock_cost  >= 3:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
#                 print('日期:',date,'股票:',i,'出现止盈状况')
    #---------------------------止赢模块END---------------------------
            
    if context.trading_day_index <  context.long_period:
        return    

    for k in instruments:
        if k in current_stopwin_stock:
            continue
        sid = context.symbol(k)
        price = data.current(sid, 'price')  
        short_mavg = data.history(sid, 'price',context.short_period, '1d').mean()  
        long_mavg = data.history(sid, 'price',context.long_period, '1d').mean()     
        cash = context.portfolio.cash  / len(instruments)
        cur_position = context.portfolio.positions[sid].amount  
        
        if short_mavg > long_mavg and cur_position == 0  and data.can_trade(sid):  
            context.order(sid, int(cash/price/100)*100) 
        elif short_mavg < long_mavg  and cur_position > 0 and   data.can_trade(sid):  
            context.order_target_percent(sid, 0)
In [3]:
# 策略回测接口
m=M.trade.v2(
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=float("1.0e6"),
    )
[2018-01-13 14:40:06.102683] INFO: bigquant: backtest.v7 开始运行..
[2018-01-13 14:40:06.111774] INFO: bigquant: 命中缓存
  • 收益率74.41%
  • 年化收益率23.7%
  • 基准收益率57.56%
  • 阿尔法0.17
  • 贝塔0.18
  • 夏普比率1.42
  • 胜率0.75
  • 盈亏比0.763
  • 收益波动率13.98%
  • 信息比率0.17
  • 最大回撤9.76%
[2018-01-13 14:40:07.966599] INFO: bigquant: backtest.v7 运行完成[1.863922s].

就是这样简单,只要在handle_data部分添加止盈止损模板代码就可以,模板代码我们整理到文末。

固定点数止盈

解释:建仓以后,当盈利固定点数,达到止盈条件,止盈出场

 #------------------------------------------止赢模块START--------------------------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚3元就止赢
            if stock_market_price - stock_cost  >= 3:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
#                 print('日期:',date,'股票:',i,'出现止盈状况')
    #-------------------------------------------止赢模块END---------------------------------------------

固定百分比止盈

解释:建仓以后,当盈利固定百分比,达到止盈条件,止盈出场

#------------------------------------------止赢模块START--------------------------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚10%就止赢
            if (stock_market_price - stock_cost ) / stock_cost>= 0.1:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
                print('日期:',date,'股票:',i,'出现止盈状况')
    #-------------------------------------------止赢模块END---------------------------------------------

固定点数止损

解释:建仓以后,当亏损固定点数,达到止损条件,止损出场

 #------------------------------------------止损模块START--------------------------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 亏1元就止损
            if stock_market_price - stock_cost  <= -1:   
                context.order_target_percent(context.symbol(i),0)     
                current_stoploss_stock.append(i)
                print('日期:',date,'股票:',i,'出现止损状况')
    #-------------------------------------------止损模块END---------------------------------------------

固定百分比止损

解释:建仓以后,当亏损固定百分比时,达到止损条件,止损出场

 #------------------------------------------止损模块START--------------------------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i] 
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 亏5%就止损
            if (stock_market_price - stock_cost) / stock_cost <= -0.05:   
                context.order_target_percent(context.symbol(i),0)     
                current_stoploss_stock.append(i)
                print('日期:',date,'股票:',i,'出现止损状况')
    #-------------------------------------------止损模块END---------------------------------------------

跟踪止损

解释:建仓初期,确定一个初始止损,如果股票下跌,达到初始止损条件,出场。如果股票上涨,那么初始止损不再适用,而是采取止损位置不断抬高的跟踪止损,能够防止利润的大幅回吐

#------------------------------------------止损模块START--------------------------------------------
    today = data.current_dt  
    equities = {e.symbol: p for e, p in context.portfolio.positions.items() if p.amount>0}
    
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(equities) > 0:
        for i in equities.keys():
            stock_market_price = data.current(context.symbol(i), 'price')  # 最新市场价格
            last_sale_date = equities[i].last_sale_date   # 上次交易日期
            delta_days = today - last_sale_date  
            hold_days = delta_days.days # 持仓天数
            # 建仓以来的最高价
            highest_price_since_buy = data.history(context.symbol(i), 'high', hold_days, '1d').max()
            # 确定止损位置
            stoploss_line = highest_price_since_buy - highest_price_since_buy * 0.1
            record('止损位置', stoploss_line)
            # 如果价格下穿止损位置
            if stock_market_price < stoploss_line:
                context.order_target_percent(context.symbol(i), 0)     
                current_stoploss_stock.append(i)
                print('日期:', today, '股票:', i, '出现止损状况')
    #-------------------------------------------止损模块END---------------------------------------------

小结: 本文为大家介绍了几种止盈止损方案模板,大家只需复制粘贴即可使用,合理的利用止盈止损技巧,可以帮助大家构建更加成熟的量化策略,享有更加长远的收益。


   本文由BigQuant宽客学院推出,版权归BigQuant所有,转载请注明出处。


如何在可视化策略中加入止损条件
策略报错,求助,如何在AI可视策略里用跟踪止损代码
【宽客学院】自定义买入卖出策略
关于深度学习
怎样自定义交易策略
(iQuant) #2

在跟踪止损的代码里,使用了last_sale_date属性,代码如果仅仅是回测那没有问题,如果要模拟交易、实盘交易,那么代码是有问题的,建议修改如下——避免使用last_sale_date属性,而是引入一个字典(hold_days)来专门记录每只股票的建仓时间点,回测、模拟、实盘都不会有问题了,欢迎克隆!

克隆策略
In [26]:
# 策略参数
instruments = ['600519.SHA']  
start_date = '2014-05-28'   
end_date = '2017-09-08'
In [27]:
# 策略主体
def initialize(context):
    context.short_period = 10
    context.long_period = 50
     
    
def handle_data(context, data):
    
    #------------------------------------------止损模块START--------------------------------------------
    today = data.current_dt  
    equities = {e.symbol: p for e, p in context.portfolio.positions.items() if p.amount>0}
    hold_days_record = context.options['hold_days']
    
    # 新建当日止损股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stoploss_stock = [] 
    if len(equities) > 0:
        for i in equities.keys():
            stock_market_price = data.current(context.symbol(i), 'price')  # 最新市场价格
            hold_days = context.trading_day_index - hold_days_record[i] # 通过记录的建仓时间点来计算持仓时间
            # 建仓以来的最高价
            highest_price_since_buy = data.history(context.symbol(i), 'high', int(hold_days), '1d').max()
            # 确定止损位置
            stoploss_line = highest_price_since_buy - highest_price_since_buy * 0.1
            record('止损位置', stoploss_line)
            # 如果价格下穿止损位置
            if stock_market_price < stoploss_line:
                context.order_target_percent(context.symbol(i), 0)     
                current_stoploss_stock.append(i)
                print('日期:', today, '股票:', i, '出现止损状况')  
    #-------------------------------------------止损模块END---------------------------------------------
          
    if context.trading_day_index <  context.long_period:
        return    

    for k in instruments:
        if k in current_stoploss_stock:
            continue
        sid = context.symbol(k)
        price = data.current(sid, 'price')  
        short_mavg = data.history(sid, 'price',context.short_period, '1d').mean()  
        long_mavg = data.history(sid, 'price',context.long_period, '1d').mean()     
        cash = context.portfolio.cash  / len(instruments)
        cur_position = context.portfolio.positions[sid].amount  
        # 买入逻辑
        if short_mavg > long_mavg and cur_position == 0 and data.can_trade(sid):  
            context.order(sid, int(cash/price/100)*100) 
            hold_days_record[k] = context.trading_day_index  # 买入的时候记录建仓时间点
        # 卖出逻辑   
        elif short_mavg < long_mavg  and cur_position > 0 and data.can_trade(sid):  
            context.order_target_percent(sid, 0) 
            hold_days_record.pop(k)  
          
            
In [28]:
# # 策略回测接口
m=M.trade.v2(
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open',
    order_price_field_sell='open',
    capital_base=float("1.0e7"),
    options={'hold_days':dict()} # 用来记录建仓时间点,实盘和回测应该都不会有问题应该
    )
[2017-10-09 18:25:51.987385] INFO: bigquant: backtest.v7 开始运行..
日期: 2015-01-14 20:00:00+00:00 股票: 600519.SHA 出现止损状况
日期: 2015-05-05 19:00:00+00:00 股票: 600519.SHA 出现止损状况
日期: 2015-06-04 19:00:00+00:00 股票: 600519.SHA 出现止损状况
日期: 2015-06-18 19:00:00+00:00 股票: 600519.SHA 出现止损状况
日期: 2016-01-07 20:00:00+00:00 股票: 600519.SHA 出现止损状况
[2017-10-09 18:26:00.484549] INFO: Performance: Simulated 806 trading days out of 806.
[2017-10-09 18:26:00.485934] INFO: Performance: first open: 2014-05-28 13:30:00+00:00
[2017-10-09 18:26:00.486917] INFO: Performance: last close: 2017-09-08 19:00:00+00:00
  • 收益率202.41%
  • 年化收益率41.34%
  • 基准收益率78.18%
  • 阿尔法0.32
  • 贝塔0.35
  • 夏普比率1.55
  • 收益波动率23.88%
  • 信息比率0.77
  • 最大回撤16.35%
[2017-10-09 18:26:03.183860] INFO: bigquant: backtest.v7 运行完成[11.196451s].

怎样自定义交易策略
(1899) #3

你好,这个我直接加入止盈板块,出错怎么处理啊,谢谢


(小Q) #4

你是加在什么位置的呢?最好将出错的日志贴上来看看。


(1899) #5

就是加在上图回测handle_data函数下面,出错日志贴下


(1899) #6

基础参数配置

class conf:
    start_date = '2010-01-01'
    end_date='2017-10-01'
    # split_date 之前的数据用于训练,之后的数据用作效果评估
    split_date = '2016-10-01'
    # D.instruments: https://bigquant.com/docs/data_instruments.html
    instruments = D.instruments(start_date, end_date)

    # 机器学习目标标注函数
    # 如下标注函数等价于 max(min((持有期间的收益 * 100), -20), 20) + 20 (后面的M.fast_auto_labeler会做取整操作)
    # 说明:max/min这里将标注分数限定在区间[-20, 20],+20将分数变为非负数 (StockRanker要求标注分数非负整数)
    label_expr = ['return * 100', 'where(label > {0}, {0}, where(label < -{0}, -{0}, label)) + {0}'.format(100)]
    # 持有天数,用于计算label_expr中的return值(收益)
    hold_days = 30

    # 特征 https://bigquant.com/docs/data_features.html,你可以通过表达式构造任何特征
    features = [
        'rank_market_cap_0',  # 总市值
    ]

# 给数据做标注:给每一行数据(样本)打分,一般分数越高表示越好
m1 = M.fast_auto_labeler.v5(
    instruments=conf.instruments, start_date=conf.start_date, end_date=conf.end_date,
    label_expr=conf.label_expr, hold_days=conf.hold_days,
    benchmark='000300.SHA', sell_at='open', buy_at='open')
# 计算特征数据
m2 = M.general_feature_extractor.v5(
    instruments=conf.instruments, start_date=conf.start_date, end_date=conf.end_date,
    features=conf.features)
# 数据预处理:缺失数据处理,数据规范化,T.get_stock_ranker_default_transforms为StockRanker模型做数据预处理
m3 = M.transform.v2(
    data=m2.data, transforms=T.get_stock_ranker_default_transforms(),
    drop_null=True, astype='int32', except_columns=['date', 'instrument'],
    clip_lower=0, clip_upper=200000000)
# 合并标注和特征数据
m4 = M.join.v2(data1=m1.data, data2=m3.data, on=['date', 'instrument'], sort=True)

# 训练数据集
m5_training = M.filter.v2(data=m4.data, expr='date < "%s"' % conf.split_date)
# 评估数据集
m5_evaluation = M.filter.v2(data=m4.data, expr='"%s" <= date' % conf.split_date)
# StockRanker机器学习训练
m6 = M.stock_ranker_train.v2(training_ds=m5_training.data, features=conf.features)
# 对评估集做预测
m7 = M.stock_ranker_predict.v2(model_id=m6.model_id, data=m5_evaluation.data)


## 量化回测 https://bigquant.com/docs/strategy_backtest.html
# 回测引擎:初始化函数,只执行一次
def initialize(context):
    # 系统已经设置了默认的交易手续费和滑点,要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
    # 预测数据,通过options传入进来,使用 read_df 函数,加载到内存 (DataFrame)
    context.ranker_prediction = context.options['ranker_prediction'].read_df()
    # 设置买入的股票数量,这里买入预测股票列表排名靠前的5只
    stock_count = 30
    # 每只的股票的权重,如下的权重分配会使得靠前的股票分配多一点的资金,[0.339160, 0.213986, 0.169580, ..]
    context.stock_weights = T.norm([1 / math.log(i + 2) for i in range(0, stock_count)])
    # 设置每只股票占用的最大资金比例
    context.max_cash_per_instrument = 0.2

# 回测引擎:每日数据处理函数,每天执行一次
def handle_data(context, data):
    
    # 按日期过滤得到今日的预测数据
    ranker_prediction = context.ranker_prediction[context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]

    # 1. 资金分配
    # 平均持仓时间是hold_days,每日都将买入股票,每日预期使用 1/hold_days 的资金
    # 实际操作中,会存在一定的买入误差,所以在前hold_days天,等量使用资金;之后,尽量使用剩余资金(这里设置最多用等量的1.5倍)
    is_staging = context.trading_day_index < context.options['hold_days'] # 是否在建仓期间(前 hold_days 天)
    cash_avg = context.portfolio.portfolio_value / context.options['hold_days']
    cash_for_buy = min(context.portfolio.cash, (1 if is_staging else 1.5) * cash_avg)
    cash_for_sell = cash_avg - (context.portfolio.cash - cash_for_buy)
    positions = {e.symbol: p.amount * p.last_sale_price         for e, p in context.perf_tracker.position_tracker.positions.items()}

    # 2. 生成卖出订单:hold_days天之后才开始卖出;对持仓的股票,按StockRanker预测的排序末位淘汰
    if not is_staging and cash_for_sell > 0:
        equities = {e.symbol: e for e, p in context.perf_tracker.position_tracker.positions.items()}
        instruments = list(reversed(list(ranker_prediction.instrument[ranker_prediction.instrument.apply(
                lambda x: x in equities and not context.has_unfinished_sell_order(equities[x]))])))
        # print('rank order for sell %s' % instruments)
        for instrument in instruments:
            context.order_target(context.symbol(instrument), 0)
            cash_for_sell -= positions[instrument]
            if cash_for_sell <= 0:
                break
    date = data.current_dt.strftime('%Y-%m-%d')   
    #----------------------------止赢模块START------------------------
    positions = {e.symbol: p.cost_basis  for e, p in context.portfolio.positions.items()}
    # 新建当日止赢股票列表是为了handle_data 策略逻辑部分不再对该股票进行判断
    current_stopwin_stock = [] 
    if len(positions) > 0:
        for i in positions.keys():
            stock_cost = positions[i]  
            stock_market_price = data.current(context.symbol(i), 'price') 
            # 赚3元就止赢
            if (stock_market_price - stock_cost ) / stock_cost>= 0.1:   
                context.order_target_percent(context.symbol(i),0)     
                current_stopwin_stock.append(i)
#                 print('日期:',date,'股票:',i,'出现止盈状况')
    #---------------------------止赢模块END---------------------------

    # 3. 生成买入订单:按StockRanker预测的排序,买入前面的stock_count只股票
    buy_cash_weights = context.stock_weights
    buy_instruments = list(ranker_prediction.instrument[:len(buy_cash_weights)])
    max_cash_per_instrument = context.portfolio.portfolio_value * context.max_cash_per_instrument
    for i, instrument in enumerate(buy_instruments):
        cash = cash_for_buy * buy_cash_weights[i]
        if cash > max_cash_per_instrument - positions.get(instrument, 0):
            # 确保股票持仓量不会超过每次股票最大的占用资金量
            cash = max_cash_per_instrument - positions.get(instrument, 0)
        if cash > 0:
            context.order_value(context.symbol(instrument), cash)
    

# 调用回测引擎
m8 = M.backtest.v5(
    instruments=m7.instruments,
    start_date=m7.start_date,
    end_date='2017-10-01',
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open',       # 表示 开盘 时买入
    order_price_field_sell='close',     # 表示 收盘 前卖出
    capital_base=1000000,               # 初始资金
    benchmark='000300.SHA',             # 比较基准,不影响回测结果
    # 通过 options 参数传递预测数据和参数给回测引擎
    options={'ranker_prediction': m7.predictions, 'hold_days': conf.hold_days} 
)

(iQuant) #7

你可以通过社区的分享功能,将策略分享到社区,这样看起来就不是这样乱。而且能看到运行错误日志。
从代码看,你的很多模块、函数版本太旧,建议使用最新的版本。你如调用回测引擎用M.trade模块。


(1899) #8

哦哦 我现在正处于摸索阶段 不断的尝试,这两天一直在问你们,快不好意思了。。。请问你能贴一个AI策略(带止盈止损或者买入卖出条件)的例子么?我想好好学习一下、谢谢!


(yanghz) #9


(yanghz) #10

跟踪止损加到AI策略中,怎么都运行不起来,加到生成卖出订单前,换了几个位置都不行!


(iQuant) #11

建议先理解下代码,如果还是有问题,欢迎单独发帖在社区,我们帮你看看!


(yanghz) #12

人工智能策略,这一段代码到底插入什么地方?需要修改吗?


(a20180322) #13

到底怎么把止损策略整合进视图模式人工智能选股策略,能出个STEP by STEP吗,提高大家效率


(小Q) #14

好的,我们做一个教程


(Lingking) #15

我跟你一样。这个起步好难。


(Lingking) #16

我来教大家怎么添加 止盈策略。

1 你要复制这个6楼的 RAINFALL1994写的 基础 参数 当中的 一段 止盈模块代码。上下都有虚线的,大家把这一段复制下来。

2 在你的 AI可视化选股策略中 ,是可视化 界面 ,然后先把右边弹出来的 框子 收起来(右上角有一个>的箭头,在运行的下方)

3 你用鼠标 点击可视化界面的整个图里的最后一个 TRADE/回测/模拟 这个 玩意。 然后把 右边的框子给还回来(运行的下方有一个<标志),你再把这个框子朝左边拉开,不然太小看不清。

4 这时候看到 有 一个 写着 主函数 的框子。对,就是这个。

5 主函数的框子里 在 #2 的下方, #3的上方有一个 break. 你把止盈模块的内容 用 CTRL+V 贴在那里。

就可以了。

6 止损模块是一样的。把刚才止盈代码再粘贴一遍,然后你把那个大于等于改成 小于等于几 。


(yilong10) #17

不知道为什么,只有Lingking说的这个可以,但上面的其他的止损止盈模块放进去都无法正常使用,到底是哪一步出了错

希望官方可以出个明了的教程,好像很多人卡在这里


(达达) #18

https://community.bigquant.com/t/AI可视化模板的交易控制/8631
可以参考一下


(yilong10) #19

感谢回复,但我把代码放入对应的模块输入框里还是 有错误 策略传到了以下帖子里了
https://community.bigquant.com/t/AI可视化模板的交易控制/8631


(iQuant) #20

您好,遇到错误记得找小Q.
你的策略分享方法不正确,你的策略链接只有你自己可以打开,我们打不开,因此不能帮你查看原因。
分享策略的方法可以参考这篇帖子哈——如何寻求帮助,你正确的将代码分享出来,我们就能帮你看看啦~